🎄teratailクリスマスプレゼントキャンペーン2024🎄』開催中!

\teratail特別グッズやAmazonギフトカード最大2,000円分が当たる!/

詳細はこちら
Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

Q&A

解決済

1回答

2328閲覧

mecabで名詞のみかつリスト 一般名詞だけ取り出したい

kawauso.love

総合スコア23

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

0グッド

0クリップ

投稿2019/10/08 05:19

mecabで名詞のみかつリストで抽出してみたんですけど、

python3

1from pymongo import MongoClient 2from bs4 import BeautifulSoup 3import MeCab 4mecab = MeCab.Tagger ('/usr/local/lib/mecab/dic/mecab-ipadic-neologd') 5def main(): 6 recipes = [] 7 client = MongoClient('localhost', 27017) 8 db = client.html.cookpad_html 9 collection = db.test_collection 10 htmls = list(db.find().limit(1)) 11 recipes = [] 12 for num, html in enumerate(htmls): 13 soup = BeautifulSoup(html["html"], 'lxml') 14 for steps in soup.find_all(attrs={"class": "step_text"}): 15 node = mecab.parseToNode(steps.get_text()) 16 17 while node: 18 if node.feature.split(",")[0] == '名詞': 19 recipes.append(node.feature.split(",")[6]) 20 node = node.next 21 recipes = list(set(recipes)) 22 print(recipes) 23 24if __name__ == '__main__': 25 main()

この結果が、['0', '汁', 'オリーブ油', 'ツノ', '6', '分', 'ラップ', '*', '生地', '加熱', '3', '卵黄', '玉子', 'おから', 'ヨーグルト', 'レンジ', '4', '塗布', '卵白', 'レモン', 'ボウル', 'ハチミツ']
となり、0、6、3、4などの数字が入っています。
一般の名詞だけ取り出したいです。
どうすればいいか教えて下さい!!!!

気になる質問をクリップする

クリップした質問は、後からいつでもMYページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

guest

回答1

0

ベストアンサー

まず、どんな品詞体系なのかを確認してみてください。

形態素解析ツールの品詞体系
(デフォルトの辞書であればChaSen 品詞体系 (IPA品詞体系)を見る)

名詞と言ってもいろいろありますね。細かく分けたければ、下位分類の部分を見てやれば良いということになります。

たとえば一般名詞だけ取り出すなら、以下のようになります。

(適宜インデントなどは補ってください)

python

1feature = node.feature.split(",") 2if feature[0] == "名詞" and feature[1] == "一般": 3

取りたい形態素にあわせて条件式の部分は変えてください。

投稿2019/10/08 06:01

hayataka2049

総合スコア30935

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

kawauso.love

2019/10/08 06:10

ありがとうございます!!!出来ました!
kawauso.love

2019/10/10 05:52

すみません、また、質問なんですけど、['0', '汁', 'オリーブ油', 'ツノ', '6', '分', 'ラップ', '*', と、ラップの後に"*"と出てきてこれをなくしたいです! if文とか使ってどうやって消すコードを入れたらいいですか?コードを教えていただけると助かります。
hayataka2049

2019/10/10 06:03

原型の情報がないのでしょう。*のときはsurfaceを取得するようなコードを書けばよいかと思います。忙しいのでコードは割愛させていただきます。
kawauso.love

2019/10/10 06:07

分かりました!ありがとうございます
guest

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
85.36%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問